免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

在大數(shù)據(jù)背景下，傳統(tǒng)的決策管理正在從以管理流程為主逐漸向以數(shù)據(jù)為中心的范式轉(zhuǎn)變，決策管理中各參與方提供的相關(guān)信息流向更趨于多元和交互，開(kāi)源數(shù)據(jù)庫(kù)SciDB開(kāi)發(fā)商Paradigm4進(jìn)行的一項(xiàng)針對(duì)111名北美數(shù)據(jù)科學(xué)家的調(diào)查顯示，71%的數(shù)據(jù)科學(xué)家認(rèn)為數(shù)據(jù)的多樣性構(gòu)成的挑戰(zhàn)，遠(yuǎn)大于數(shù)據(jù)總量構(gòu)成的威脅和挑戰(zhàn)。多種粒度、多種數(shù)

本書(shū)針對(duì)大數(shù)據(jù)呈現(xiàn)的體量巨大、多源異構(gòu)、動(dòng)態(tài)性和不確定性等特點(diǎn)，以粒計(jì)算理論為基礎(chǔ)，以優(yōu)勢(shì)關(guān)系粗糙集模型為研究對(duì)象，以增量學(xué)習(xí)技術(shù)為方法，以并行計(jì)算框架為支撐，構(gòu)建大數(shù)據(jù)分析與挖掘的原理和方法及其算法，并融入了相關(guān)領(lǐng)域?qū)W者在動(dòng)態(tài)知識(shí)發(fā)現(xiàn)、數(shù)據(jù)融合、大數(shù)據(jù)并行處理等成果，反映了基于粒計(jì)算和粗糙集視角處理大數(shù)據(jù)的最新進(jìn)展。

本書(shū)借鑒認(rèn)知科學(xué)的理論研究成果，對(duì)本體學(xué)習(xí)過(guò)程中的認(rèn)知狀態(tài)及其變化進(jìn)行深入研究，提出本體學(xué)習(xí)的認(rèn)知模型，給出該模型的形式化表示及實(shí)現(xiàn)方法。此外，本書(shū)還對(duì)本體學(xué)習(xí)研究的發(fā)展方向進(jìn)行展望。

本書(shū)面向模糊系統(tǒng)結(jié)構(gòu)解析和在線自組織設(shè)計(jì)問(wèn)題，系統(tǒng)介紹了作者在該領(lǐng)域取得的最新研究成果。全書(shū)共9章，內(nèi)容包括：模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)；模糊控制器結(jié)構(gòu)解析；齊次模糊系統(tǒng)逼近性能分析；模糊控制系統(tǒng)穩(wěn)定性分析及系統(tǒng)化設(shè)計(jì)；模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的等價(jià)性等。

本書(shū)內(nèi)容包括自動(dòng)控制的一般概念、控制系統(tǒng)的數(shù)學(xué)模型、線性系統(tǒng)的時(shí)域分析、線性系統(tǒng)的根軌跡法、線性系統(tǒng)的頻率分析法、線性系統(tǒng)的校正方法、離散系統(tǒng)的分析與校正等。

本書(shū)主要內(nèi)容是研究非線性隨機(jī)時(shí)滯神經(jīng)網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定與脈沖鎮(zhèn)定。這些系統(tǒng)包括脈沖隨機(jī)泛函系統(tǒng)、隨機(jī)遞歸時(shí)滯神經(jīng)網(wǎng)絡(luò)、具不定脈沖參數(shù)的雙向神經(jīng)網(wǎng)絡(luò)、Cohen-Grossberg型神經(jīng)網(wǎng)絡(luò)及其隨機(jī)脈沖情況、一維整數(shù)格時(shí)滯細(xì)胞神經(jīng)網(wǎng)絡(luò)和分流抑制細(xì)胞神經(jīng)網(wǎng)絡(luò)。

本書(shū)介紹了商空間理論、三支決策理論和粗糙集理論等粒計(jì)算研究的概述和最新進(jìn)展。全書(shū)共16章，主要由主要由三部分組成，具體包括問(wèn)題求解商空間理論形成始末、商空間理論及應(yīng)用綜述、多粒度上空間分類搜索與結(jié)構(gòu)分析、基于力度空間的最優(yōu)聚類模型及應(yīng)用等。

無(wú)人駕駛是人工智能發(fā)展到2017年的綜合能力展現(xiàn)，是一個(gè)復(fù)雜的系統(tǒng)，涉及的技術(shù)點(diǎn)種類多且跨度大，核心技術(shù)是通過(guò)大數(shù)據(jù)與深度學(xué)習(xí)快速運(yùn)算，實(shí)現(xiàn)安全駕駛，在未來(lái)減輕人類工作量。本書(shū)首先宏觀地呈現(xiàn)了無(wú)人駕駛的整體技術(shù)架構(gòu)，在讀者對(duì)無(wú)人駕駛技術(shù)有了宏觀認(rèn)識(shí)后，本書(shū)深入淺出地講解了無(wú)人駕駛定位導(dǎo)航、基于計(jì)算機(jī)視覺(jué)的無(wú)人駕駛感知系

《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》主要介紹了深度學(xué)習(xí)的基礎(chǔ)原理和TensorFlow系統(tǒng)基本使用方法。TensorFlow是目前機(jī)器學(xué)習(xí)、深度學(xué)習(xí)領(lǐng)域最優(yōu)秀的計(jì)算系統(tǒng)之一，《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》結(jié)合實(shí)例介紹了使用TensorFlow開(kāi)發(fā)機(jī)器學(xué)習(xí)應(yīng)用的詳細(xì)方法和步驟。同時(shí)，《深度學(xué)習(xí)原理與Te

本書(shū)系統(tǒng)介紹了視覺(jué)SLAM(同時(shí)定位與地圖構(gòu)建)所需的基本知識(shí)與核心算法，既包括數(shù)學(xué)理論基礎(chǔ)，如三維空間的剛體運(yùn)動(dòng)、非線性優(yōu)化，又包括計(jì)算機(jī)視覺(jué)的算法實(shí)現(xiàn)，例如多視圖幾何、回環(huán)檢測(cè)等。此外，我們還提供了大量的實(shí)例代碼供讀者學(xué)習(xí)研究，更深入地掌握這些內(nèi)容。

本書(shū)對(duì)近年來(lái)稀疏學(xué)習(xí)、分類與識(shí)別領(lǐng)域常見(jiàn)的理論及技術(shù)進(jìn)行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對(duì)相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。

本書(shū)對(duì)近年來(lái)認(rèn)知計(jì)算和多目標(biāo)優(yōu)化領(lǐng)域常見(jiàn)的理論及技術(shù)進(jìn)行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對(duì)相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。

本書(shū)以結(jié)構(gòu)振動(dòng)控制為對(duì)象，介紹時(shí)滯反饋控制的設(shè)計(jì)方法與實(shí)驗(yàn)，主要是作者近些年來(lái)在時(shí)滯問(wèn)題上的研究成果。內(nèi)容包括：時(shí)滯辨識(shí)；時(shí)滯反饋控制的離散時(shí)間方法與實(shí)驗(yàn)；時(shí)滯反饋控制的連續(xù)時(shí)間方法與實(shí)驗(yàn)等。

本書(shū)從自組織、耗散結(jié)構(gòu)、混沌研究、自創(chuàng)生理論、進(jìn)化理論的方向?qū)ι�命與生態(tài)環(huán)境的歷史、前景與對(duì)策進(jìn)行深入的探討，介紹了從機(jī)械世界觀到整體生態(tài)世界觀的重要飛躍。

本書(shū)以多智能體系統(tǒng)協(xié)同群集運(yùn)動(dòng)控制為主線，首先介紹圖論和控制器設(shè)計(jì)所用到的基礎(chǔ)理論知識(shí)；其次，分別從拓?fù)浣Y(jié)構(gòu)的邊保持和代數(shù)連通度兩個(gè)角度介紹了連通性保持條件下的協(xié)同群集運(yùn)動(dòng)控制協(xié)議設(shè)計(jì)方法。進(jìn)而，從個(gè)體動(dòng)態(tài)模型和拓?fù)浣Y(jié)構(gòu)模型兩方面繼續(xù)深入，針對(duì)典型的輪式移動(dòng)機(jī)器人非完整約束模型介紹了連通性保持條件下的協(xié)同控制策略，為簡(jiǎn)

本書(shū)主要介拉氏變換、機(jī)械平移系統(tǒng)的動(dòng)態(tài)特性分析、電氣系統(tǒng)的動(dòng)態(tài)特性分析、控制系統(tǒng)基礎(chǔ)、控制系統(tǒng)的時(shí)域分析法、控制系統(tǒng)的頻域分析法、控制系統(tǒng)的穩(wěn)定性分析和控制系統(tǒng)的誤差分析與計(jì)算等內(nèi)容。

本書(shū)內(nèi)容分三部分：證據(jù)推理方法；置信規(guī)劃庫(kù)建模方法；證據(jù)推理與置信規(guī)則庫(kù)的應(yīng)用。

本書(shū)前兩章介紹了TensorFlow的基礎(chǔ)知識(shí)和概念；第3章和第4章介紹了簡(jiǎn)單的示例及全連接神經(jīng)網(wǎng)絡(luò)；第5章和第6章介紹了基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)，以及目前比較經(jīng)典的AlexNet、VGGNet、InceptionNet和ResNet；第7章介紹了Word2Vec、RNN和LSTM；第8章介紹了強(qiáng)化學(xué)習(xí)，以及基于深度學(xué)習(xí)的策

知識(shí)遷移的目標(biāo)是使機(jī)器具有和人一樣的“舉一反三”的能力，通過(guò)已掌握的知識(shí)來(lái)完成新的任務(wù)。知識(shí)遷移是機(jī)器突破程式化約束，具有自主學(xué)習(xí)能力的關(guān)鍵因素，近年來(lái)已成為人工智能的研究熱點(diǎn)之一。從“如何遷移”“遷移什么”與“何時(shí)遷移”等角度入手，系統(tǒng)闡述了關(guān)聯(lián)知識(shí)的表達(dá)形式、遷移的方式與手段以及實(shí)現(xiàn)遷移的時(shí)機(jī)等問(wèn)題。然而知識(shí)遷移方

本書(shū)結(jié)合國(guó)內(nèi)外較成熟的理論體系，梳理所在交互設(shè)計(jì)團(tuán)隊(duì)多年的實(shí)踐理論與方法經(jīng)驗(yàn)，全面系統(tǒng)地向讀者介紹交互設(shè)計(jì)的理念以及實(shí)踐方法，由淺入深，循序漸進(jìn)。書(shū)中將通過(guò)6個(gè)部分介紹交互設(shè)計(jì)的基本概念、理論基礎(chǔ)、設(shè)計(jì)流程，以及交互設(shè)計(jì)工作團(tuán)隊(duì)的工作方法，包括調(diào)研分析、設(shè)計(jì)建模、概念設(shè)計(jì)與評(píng)估。其中通過(guò)真實(shí)的案例研究，對(duì)設(shè)計(jì)方法進(jìn)行完